这是一套对齐中国课标和人教版教材的 K12 知识图谱，覆盖小学到高中的数学、三年级到高中的英语，以及初中和高中物理，共 1644 个知识点、2403 条先修边和 6723 道题。它把「学好二次函数需要先掌握哪些内容」这类依赖关系显式建模：学生答错一道题，系统会沿先修边从高中一路回溯到具体的小学知识点，定位真正的薄弱环节，这就是它附带的自适应前置诊断。比如高一学生配方法总出错，诊断可能追到小学的乘法公式没吃透。对做教育产品、自适应学习、智能题库或学习路径推荐的团队来说，这是难得的结构化中文教育数据，省去自己从零梳理课标的功夫；做 AI 辅导 Agent 的人也能拿它当知识底座。注意先修关系和题库仍需一线教师审核，且商业使用需单独授权，纯个人学习教学研究可免费用。与多数互联网从业者关系不大。

yt-dlp 是一个命令行音视频下载工具，可以理解为 youtube-dl 的活跃升级版，支持数千个网站，从 YouTube、Bilibili 到各类播客和直播平台都能抓取。除了基础下载，它还能按画质和格式筛选、批量抓取播放列表、下载字幕和封面、嵌入元数据，甚至能自动跳过视频里的赞助商广告片段（SponsorBlock）。典型场景包括：内容创作者需要批量存档自己的视频做备份、播客运营者定期抓取音频做转录、研究者收集公开视频语料训练多模态模型，或者单纯想把在线课程离线保存。如果你的工作涉及视频内容采集、数据标注前的素材准备，或者需要在自动化脚本里批量拉取公开媒体资源，这个项目值得花十分钟了解；但如果你的岗位和媒体内容完全无关，它和多数 AI 从业者关系不大。

这是一个帮国产安卓手机去广告的桌面工具，通过 adb 连接手机，自动关掉系统广告、下拉搜索热榜、负一屏资讯、应用商店推广位和各类营销推送，覆盖 ColorOS、HyperOS、MagicOS、OriginOS 等系统。它不 root、不解锁、不卸载系统应用，只拨系统和 App 自带的开关，挂起广告组件前会征求同意且一条命令可还原，搜索、天气预警、快递提醒等功能保留。项目提供四种用法：桌面客户端点几下按钮、让 AI 智能体读仓库文档自动执行、用聊天 AI 带着你一步步点、或照手动清单自己关，营销通知按渠道勾选，订单和更新通知不受影响。机型脚本按具体型号和系统版本维护，覆盖一加、OPPO、荣耀、魅族等多款真机并标注验证状态。适合被国产 ROM 广告和营销推送骚扰的普通用户，以及想研究 adb 自动化操作手机、或评估 AI 智能体执行真实任务能力的开发者；原生鸿蒙暂不支持。

HelloGitHub 是一份中文开源项目月刊，每月 28 号更新一期，专门挑选有趣、入门级的开源项目、开源书籍、实战项目和企业级项目，用很短的篇幅帮你发现值得一看的仓库，相当于中文版的「开源项目精选导读」。它解决的是普通开发者面对 GitHub 海量仓库无从下手的麻烦：不用自己刷 Trending，翻几期就能找到能跑起来练手的小项目、能直接抄作业的实战案例，或者某个领域里口碑不错的工具。对刚入门编程、想通过读源码提升的人尤其友好，每期内容都有中文介绍，不挑语言背景。如果你是想找学习素材的初级开发者、需要给团队找参考实现的工程师，或者单纯想保持对开源社区的敏感度，订阅它都很省事；但如果你只关心某个垂直领域的深度技术方案，它更像广度扫描而非深度资料。

TradingAgents 是一个用多个 LLM Agent 模拟投资决策流程的金融交易框架，可以理解为把一家小型对冲基金的分工搬进了代码里：分析师负责读财报、新闻和宏观数据，研究经理汇总观点，交易员给出买卖信号，组合经理最终拍板并管理仓位。它接了 SEC EDGAR、FRED、Yahoo 等真实数据源，并强调 point-in-time 完整性，也就是回测时只用当时已公开的信息，避免未来函数污染结果。实际用途是做策略回测和决策流程实验，比如在某个历史日期跑一遍完整流程，看它当时会怎么判断某只股票，再和真实走势对比。适合量化研究员、AI Agent 应用开发者，以及想研究多 Agent 协作或 LLM 在金融场景落地的人；如果你不做交易相关工作，跟你的关系不大。

Strix 是一套开源的 AI 渗透测试工具，可以理解为「会自己动手的自动化黑客团队」：多个 AI Agent 协作，像真人安全研究员一样动态运行你的代码，做侦察、攻击、验证，最后给出能真正跑通的 PoC，而不是静态扫描器那种一堆误报的告警。它覆盖 OWASP Top 10 常见漏洞，包括越权、SQL 注入、SSRF、XSS、竞态条件、JWT 攻击和 API 鉴权缺陷等，还能自动生成修复补丁和合规报告。典型场景是把渗透测试从外包几周压缩到几小时，接入 CI/CD 在上线前拦住漏洞，或者自动化 Bug Bounty 研究快速产出可提交的 PoC。值得看的是应用安全工程师、DevSecOps 和负责安全合规的后端团队；如果你的岗位完全不涉及安全测试，和你关系不大。

这是 Theo（t3dotgg）日常在 Claude Code 和 Codex 里使用的一套 agent skills 合集，本质是给 AI 编程助手预设的「工作流剧本」。比如 full-send 一句指令就能让 agent 自己验证改动、审查、提交 PR、盯 CI、处理 review 意见直到合并；council 会拉三个不同厂商的模型交叉评审同一改动，反复循环直到意见一致；babysit 则专门盯住 PR 的 CI 和机器人审查，把真正的问题修掉；takeover 能接手别人没写完的 PR 或 agent 会话并保留原作者署名。这些 skill 之间还能互相调用，形成从写码到合并的完整自动化链路。适合已经在用 Claude Code、Codex 这类 agent 工具做日常开发、想减少 PR 流程中机械劳动的工程师，尤其是频繁提 PR、盯 CI、做 code review 的后端和全栈岗位；如果你不用 AI 编程助手，或不涉及 GitHub 协作流程，关系不大。

Pika H3 Flex 是 Pika 官方开源的视频生成模型推理代码，可以理解为 Runway、可灵这类视频生成产品的自托管版本：输入文字或参考图，直接产出带同步音轨的视频。它的特点是速度快、可控性强，六步采样即可出片，最多支持 12 个参考输入，能通过参考图和提示词指挥镜头运动、角色动作和分镜走向，本地推理可生成 480p/768p 视频并带立体声，更高分辨率和音频分轨则走 Pika 的托管 API。典型场景包括多镜头叙事短片、动态图形、产品宣传片和参考引导的动画制作，比如用一组参考图让角色在不同分镜里保持一致。值得看的是视频创作者、广告和动效团队里负责 AI 出片流程的人，以及想在自己服务器上批量跑视频生成的算法工程师；如果你不碰视频生成，这个项目和你关系不大。

ComfyUI 是目前最主流的本地 AI 内容生成引擎，用节点连线的方式把模型、参数和后处理串成可视化工作流，类似给 AI 生图/生视频搭积木，不用写代码。它原生支持几乎所有开源前沿模型，覆盖文生图（Flux、SDXL、Qwen Image）、图生视频（Wan、HunyuanVideo）、音频、3D 重建（Hunyuan3D）乃至文本生成，也通过 Partner nodes 接入 Nano Banana、Seedance 等闭源模型。作为针对消费级硬件优化最狠的推理引擎，它靠异步权重流式加载，4GB 显存也能跑大模型，还能把复杂工作流封装成简洁 UI 或通过 API 接进生产管线。适合视觉设计师、AIGC 内容团队、需要把生图生视频能力产品化的后端与算法工程师，以及想在本地高效跑扩散模型的研究者；如果你完全不碰生成式 AI，那和你关系不大。

InWorld 是一个开源的交互式音视频世界模型，可以理解为「能被你操作的短片生成器」：你输入一段动作或剧情，它把文字和参考图片变成带同步音效、甚至带台词对白的视频，而且后续片段能接续上一段的最后十几帧，人物、场景、道具都保持一致。它由两部分协作——Murea-Mind 负责记住角色、地点和剧情进度，把你的动作编排成生成条件；Murea 负责实际出片，支持多张参考图绑定实体外观，还提供多人协作房间，2到4人各带一个角色共同推进同一段故事。适合关注 AI 视频生成、世界模型或交互式叙事方向的研究者和工程师，尤其是想评估开源视频模型能否在长程一致性和音画同步上追平商业系统的从业者；如果你的工作与生成式视频、Agent 记忆机制或多模态应用无关，这个项目和你关系不大。

这是一套免费开源的 AI 工程系统课程，覆盖 542 节课、20 个阶段，用 Python、TypeScript、Rust、Julia 四种语言带你从零手写模型内部结构、检索管线和 Agent 运行时，而不是调用现成库。比如你会自己实现 Transformer、搭 RAG 检索流程、写 Agent 调度逻辑，再配上测试和评估，把失败案例拆开看清楚。课程提供网站、交互实验、项目挑战和学习路线多种入口，也有中文版 README。适合想真正搞懂 LLM 应用底层原理的后端工程师、算法工程师和 AI 应用开发者——如果你只是想快速调 API 上线一个功能，这套从头造轮子的路径对你帮助有限，但若你负责排查 RAG 效果差、Agent 行为不稳定这类问题，它能补上你缺的那块底层认知。

这是博客文章《Sparks of Weight Space Programming: LLMs can understand and write neural network weights》全部实验的完整日志存档，记录了让 LLM 直接读写神经网络权重的一系列尝试。八个实验覆盖了从简单到复杂的场景：让模型只看权重判断网络是玩 Breakout 还是 Pong 训练的、判断扩散模型生成的是圆形还是方形、从中间层判断语言模型学的是 Python 还是英文、直接编辑权重修复一个坏掉的网络、从零写出 MinAtar 游戏网络、写一个 150 万权重的 Go 网络、识别谄媚的语言模型，以及用改权重的方式提升 Qwen3.5-0.8B 的数学能力。每个实验都完整保留了发给模型的提示、模型的回复与推理摘要、它写的代码及运行输出、评分依据和涉及的网络文件，且全程禁用 Codex 的内置工具，仅在少数实验里允许跑沙箱 Python。对做 LLM 能力研究、想了解「权重空间编程」这条路线真实效果和边界的算法工程师和研究者来说，这是难得的可复核一手材料；不关心模型内部机制的人则不必看。

这是一套给 Claude 用的 11 个投资技能包，本质是把公开数据源（SEC EDGAR、国会披露、新闻源）接进 Claude，帮你做个人股票投资的辅助决策。它能从 SEC 13F 里反推出巴菲特等你信任的持仓并按权重复刻，实时盯持仓股的新闻和 8-K，按你的预算给每笔仓位算好大小、留足现金缓冲，还能在新披露一出就解析国会议员的股票交易（比如 Pelosi），以及拉取财报 XBRL 数据、做选股、税务亏损收割、价格提醒和再平衡。所有下单动作都必须经过风控检查并由你本人确认，默认模拟盘，工具本身不会自主下单。适合关注价值投资、想跟踪机构和国会动向的个人投资者、量化爱好者，以及想在 Claude 里搭 AI 投资助手的开发者；纯技术岗或不炒股的人关系不大。注意它只是读公开数据做算术，不构成投资建议。

vLLM 是目前最主流的开源大模型推理与服务引擎，可以理解为给 LLM 套上了一层高效的「调度+显存管理」外壳，让你用更少的 GPU 跑出更高的吞吐。它的核心卖点是 PagedAttention 和连续批处理，能把 KV cache 像操作系统管理内存一样切块复用，避免显存浪费，同时支持投机解码、量化（FP8、INT4、GPTQ 等）和多种并行策略。它提供 OpenAI 兼容的 API 服务，兼容 Hugging Face 上 200+ 模型架构，覆盖 Llama、Qwen、DeepSeek-V3 等主流 LLM、MoE、多模态和 embedding 模型，硬件上支持 NVIDIA、AMD、Intel GPU 以及 TPU、CPU 等。典型场景是：你想把一个开源模型部署成可对外提供服务的接口，或者在有限显存下压榨出更多并发。如果你是算法工程师、平台/基础设施工程师，或需要自建 LLM 服务的团队，这是绕不开的选型；纯做模型训练或只调用闭源 API 的人关系不大。

这是一个给 Claude Code 等 AI Agent 用的技能包，让 Agent 能并行搜索 Reddit、X、YouTube、Hacker News、TikTok、Polymarket、GitHub 等十几个平台最近 30 天的内容，再按点赞、upvote 和真金白银的赔率打分，最后合成一份简报。它解决的是各家 AI 搜索各有围墙的问题：Google 搜不到 Reddit 评论和 X 帖子，ChatGPT 搜不了 X 和 TikTok，Gemini 有 YouTube 却没有 Reddit，而这个技能把它们桥接起来。典型场景包括：见面前查一个人最近一个月的动态（发过什么推、上过什么播客、PR 合并情况）、销售通话前摸清一家公司近况、做产品前看社区真实在吐槽什么、出行前查园区哪些项目关闭。适合需要频繁做行业调研、竞品追踪、人物尽调的从业者，比如 AI 从业者、投资人、销售和产品经理；如果你的工作不依赖最新社区舆情，关系就不大。

这是一套给 AI Agent 用的「科学技能包」，把 Cursor、Claude Code、Codex 这类编程助手改造成能做科研的助手。它包含 177 个经过验证的技能和 100 多个科学数据库，覆盖生物学、化学、医学、药物发现等领域，每个技能本质是一份写好的操作指南，教 Agent 正确调用专业 Python 库、遵循领域惯例并做校验。比如做基因组分析时它能指导单细胞 RNA-seq、CRISPR 筛选、引物设计；做药物发现时能处理分子对接、ADMET 性质预测、虚拟筛选；还有蛋白质组学的质谱数据处理、临床试验与药代动力学建模等工作流。它遵循开放的 Agent Skills 标准，可作为插件一次性加载。对多数互联网和 AI 从业者来说关系不大，但生命科学、医药、材料等领域的研究人员，以及需要给 Agent 接入科研工作流的 AI 应用开发者，值得花时间看看。

这是一个给 Codex、Claude Code 等 AI Agent 用的家谱研究技能包，把 Agent 变成一位严谨的家族史调查员，专门查前苏联、苏联和俄罗斯帝国时期的档案：教会簿记、民事登记、军事档案、流放与镇压文件，以及未编索引的扫描件。它覆盖全部 15 个前加盟共和国，会按事件发生时的历史辖区（而非今天的地图）定位档案馆，处理革命前俄语、乌克兰语、波兰语、意第绪语等多种姓名变体和转写。核心价值在于证据纪律：每条结论都带可解释的状态（假设、单源、多源印证、矛盾、未决），同一份记录的副本和镜像被归入同一独立性分组，绝不重复计为独立佐证，同名者在缺乏区分证据前保持独立身份。适合有寻根需求、想让 AI 系统性查证家族史的个人，以及做东欧历史、档案研究的学者；对多数互联网和 AI 从业者关系不大。

Odysseus 是一个可以部署在自己服务器上的 AI 工作台，把聊天、Agent、深度研究、文档、邮件、笔记和日历整合到一个界面里，既能接本地模型也能调 API。它解决的是「AI 工具散落各处」的麻烦：比如你可以在同一个地方让 Agent 读网页做多步调研并生成带引用的报告，用盲测方式并排对比两个模型的回答，让邮件收件箱自动分类、打标签、写回复草稿，或者把定时任务交给 Agent 在日历提醒触发时执行。文档编辑器支持 AI 改写和建议，笔记和任务还能通过 CalDAV 同步到手机。适合想把日常 AI 工作流收拢到一处、又在意数据不出自己机器的个人开发者、独立研究者和小团队；如果你只是偶尔用 ChatGPT 聊天，或者公司已有统一的 AI 平台，那它跟你关系不大。

earshot 是给 AI 编码 Agent 装上「耳朵」的工具：Agent 现在能写代码渲染影片、产品演示或游戏音效，却听不见自己做出来的东西，earshot 把声音变成 Agent 可以推理的文字证据。它能描述一段音频像什么、与给定描述有多匹配、长录音里最佳片段在哪、是真实录音还是代码合成，还能逐秒输出听音时间轴、生成带标注的频谱图，甚至按专业发布片的标准给整支片子打分并指出该先修哪里。它也能反过来让 Agent 用代码造声音并边听边改进，或把一段录音翻译成可调参数的代码。全程本地 CPU 运行，无需模型和网络。适合做音视频产品、游戏音效或需要为发布片配乐的工程师，以及想让 Claude Code 等编码 Agent 产出可用声音的开发者；纯后端或数据岗位的人关系不大。

browser-use 是一个开源的浏览器 Agent 框架，让大模型像人一样操作浏览器：你用自然语言描述目标，它自己打开页面、点击、填表、过验证码。可以本地跑，接任意 LLM；也可以用它的云服务，拿到带隐身能力和住宅代理的浏览器，按小时计费。典型场景是那些没有 API、只能靠网页完成的活儿，比如自动抢预约名额、在多个网站比价下单、批量抓取动态渲染的数据，README 里的演示就是自动完成驾照考试预约。它还提供托管的 Agent API，适合不想自己搭基础设施的团队。值得看的是做自动化运营、数据采集、RAG 数据管道的工程师，以及想给产品加浏览器操作能力的 AI 应用开发者；如果你的工作和网页自动化、Agent 落地无关，那跟你的关系不大。

DeepInfer 是 DeepSeek 官方开源的高性能推理框架，也就是支撑 DeepSeek 线上大规模生产服务的那套推理引擎，目前支持 DeepSeek-V4.1-Flash 模型的离线推理。它把 FlashMLA、DeepGEMM、DeepEP 等自研算子和 MoE 专家并行、EPLB 负载均衡、投机采样、异步调度等生产级优化打包在一起，还提供确定性采样和结构化输出（按 JSON schema 或正则约束生成），保证不同 batch 组成下结果一致。适合需要在自有集群上高吞吐部署 DeepSeek 模型的团队，比如做推理服务的算法工程师、负责 GPU 集群利用率的 infra 工程师，以及需要复现 DeepSeek 官方性能基线做选型对比的人。注意它只开源了推理核心，KV cache 系统、Prefill/Decode 分离和负载均衡等完整服务组件并未包含，纯做应用层开发或轻量调用 API 的读者关系不大。

这是一份由 Free Ebook Foundation 维护的免费编程书籍与学习资源大合集，起源于 StackOverflow 上的一个问答帖，如今是 GitHub 上 star 最多的仓库之一。它按编程语言和主题分类整理了海量可免费阅读的电子书链接，覆盖 Python、Java、Go 等几十种语言，也包括机器学习、前端、数据库等专题，同时提供中文、日语、韩语等数十种语言的版本，还配了一个可按书名或作者检索的搜索网站。对从业者来说，它的价值在于省去到处找书的时间：比如想系统补一下 Rust 或 Kubernetes，直接翻对应分类就能找到免费且质量有保障的教材；团队做新人培训或整理学习路线时，也可以拿它当资源底稿。适合所有需要自学新技术的开发工程师、数据工程师和 AI 从业者，以及技术团队里负责培养新人的 TL；如果你只是想找某个具体 API 的用法，直接查官方文档可能更快，这个仓库更适合用来规划成体系的学习。

这是一个按编程语言分类的「项目实战教程」清单，收录了大量「从零做出一个完整东西」的教程链接，比如用 C 写一个 shell、写一个哈希表、写一个数据库，用 C++ 写光线追踪器和游戏，用 Python、Go、Java 等做 Web 应用。它和普通「知识点罗列」型教程不同，重点是让你跟着一步步把一个真实项目做出来，从而真正理解底层原理。比如你想搞懂 Redis 内部怎么工作，可以直接跟「Build Your Own Redis」；想理解编译器，有十篇连载的 C 编译器教程；想入门系统编程，有从零写操作系统、写内核、写虚拟机的完整路线。适合刚入行、正在自学的开发者，以及想补计算机基础的后端或系统方向工程师；如果你已经是资深从业者或主要做 AI 应用开发，这个清单和你的日常工作关系不大。

DOPPLERGEIST 是一个用 Python 写的音频取证工具：给它一段录到飞机飞过声音的音频，它能自动从录音里找出多普勒频移的轨迹，再拿去和历史 ADS-B 航班数据比对，反推出录音者当时可能站在哪里。整个流程全自动，不需要你手动标注事件时间窗或频率段，它会扫描整段录音、拉取附近航班档案、在城市尺度的地理范围内给候选位置排序，还带一个本地网页界面上传和查看结果。它明确会给出「证据不足、无法定论」的结论，而不是硬凑一个坐标。适合两类人：做 OSINT、音频取证、声学定位研究的安全与情报分析人员，以及对多普勒效应、信号处理建模感兴趣的工程师。如果你的工作和音频分析、地理定位无关，这个项目看看原理即可，实际用处不大。

GPT-SoVITS 是一个开源的语音克隆与文字转语音（TTS）工具，可以理解为「低配版 ElevenLabs 的本地替代」：给它 5 秒人声样本就能零样本合成，用 1 分钟录音微调即可获得相似度更高的专属音色，还支持中英日韩粤跨语言朗读。它自带 WebUI，集成了人声伴奏分离、自动切分训练集、中文语音识别和文本标注，等于把从原始音频到可用模型的整条链路都包办了，推理速度在消费级显卡上也足够实时。适合做有声内容、虚拟主播、游戏配音、无障碍朗读的创作者，以及想低成本搭建私有 TTS 服务的 AI 应用开发者；如果你的工作和语音交互、AIGC 内容生产无关，那看看就好，不必上手。